油菜氮素的多光谱图像估算模型研究

 【目的】充分利用可见光、近红外多谱段图像的反射强度分布信息进行油菜氮素诊断,实现对油菜氮素水平的定量估算,为油菜营养的科学管理提供理论依据和技术支撑。【方法】利用多光谱CCD获取不同氮素水平的油菜冠层图像,采用中值滤波法对图像进行预处理;通过二维最大信息熵阈值分割法对多光谱图像进行背景分割;对多光谱图像的均值和比值、差值融合特征进行提取。【结果】通过相关分析,发现ARV1、AVS560、ADV1、AVS660、g等特征在整个生长期与油菜氮素的相关性均较高,考虑到多光谱变量间存在的多重共线性影响,利用逐步回归法建立了不同生长期油菜氮素的多光谱图像特征预测模型。【结论】初步探明了不同生育时期油菜氮素的多光谱图像特征,实现了采用多光谱图像技术对油菜氮素水平的定量估算。     

基于高光谱成像技术的茄子叶片灰霉病早期检测

为建立基于高光谱成像技术的茄子叶片灰霉病早期检测方法,利用高光谱成像系统获取120个茄子叶片在380~1031nm范围的高光谱图像数据,通过主成分分析(PCA)对高光谱数据进行降维,并从中优选出3个特征波段下的特征图像,截取200×150的感兴趣区域图像(ROI),并从每幅特征图像中分别提取均值、方差、同质性、对比度、差异性、熵、二阶矩和相关性等8个基于灰度共生矩阵的纹理特征变量,通过连续投影算法(SPA)提取13个特征变量, 利用最小二乘支持向量机(LS‐SVM)构建茄子叶片灰霉病早期鉴别模型,模型判别准确率为97.5%.说明高光谱成像技术可以用于茄子叶片灰霉病的早期检测.     

基于颜色特征的加工番茄叶片氮素评价初步研究

利用数码相机获取加工番茄地上部分彩色图像,通过图像处理软件提取RGB及其组合的颜色特征值,同时与氮素指标叶片叶绿素含量、SPAD值、叶片含氮量及单株吸氮量作回归分析,根据统计性检验,有相当数量的颜色特征与4个氮素指标呈较高的相关性,相关系数达到r=0.7以上.综合筛选出的颜色特征指标,结合地面覆盖度与氮素营养指标建立以叶片含氮量为应变量的估算模型.经模型校验,其预测值与实测值在n=15,P＜0.01水平上达r=0.8以上的极显著相关.因此,可依据颜色特征参数通过建立相应的统计模型进行加工番茄叶片氮素含量的评价,进而为加工番茄氮素营养诊断提供依据.     

基于光谱和Gabor纹理信息融合的油桃品种识别

为实现油桃品种的快速且无损鉴别,对油桃高光谱图像中的光谱和图像信息进行分析。在光谱信息提取中,采用偏最小二乘回归(partial least squares regression,简称PLSR)从全波段光谱数据提取9个特征波长。在图像信息获取中,采用主成分分析(principal component analysis,简称PCA)获得主成分图像,并提取主成分图像的Gabor纹理特征。分别建立基于特征波长光谱特征、主成分图像纹理特征和光谱纹理特征融合的最小二乘支持向量机(least squares support vector machine,简称LS-SVM)和极限学习机(extreme learning machine,简称ELM)油桃品种判别模型。结果表明,基于融合特征的LS-SVM和ELM模型识别率分别为94.7%、92.1%,较单独采用光谱信息和纹理信息的识别率都高,说明采用光谱信息和Gabor纹理信息融合的方法可以实现油桃品种判别,为农产品无损检测提供参考价值。     

基于高光谱技术融合图像信息的杏鲍菇干燥过程中含水率检测

为了应用高光谱成像技术结合图像处理技术研究杏鲍菇含水率的快速无损检测以及含水率分布可视化,采集不同干燥时期共240个杏鲍菇样品在358～1 021 nm波段范围内的高光谱图像。利用阈值分割方法将图像中杏鲍菇区域与背景分离,提取杏鲍菇的平均光谱数据。采用连续投影算法(SPA)和稳定性竞争自适应重加权采样法(SCARS)分别筛选出5个和10个特征波长;采用主成分分析方法获得杏鲍菇的前2个主成分图像PC1、PC2,基于灰度共生矩阵(GLCM)提取主成分图像PC1、PC2共16个纹理特征。利用偏最小二乘(PLS)和最小二乘支持向量机(LS-SVM)分别建立光谱特征、纹理特征以及光谱与纹理特征融合的含水率预测模型。结果表明:与光谱特征相比,纹理特征与含水率的相关性较差;光谱特征模型SCARS-LS-SVM预测效果最好,其预测集决定系数(R■)=0.975,均方根误差(RMSEP)=3.712,相对分析误差(RPD)=3.211。基于SCARS-LS-SVM模型,将杏鲍菇样品含水率分布用不同颜色直观显示,实现了含水率分布可视化。     

基于高光谱图像技术的油菜籽品种鉴别方法研究

提出了一种采用高光谱图像技术结合人工神经网络对油菜籽品种进行鉴别的方法.采集多个品种油菜籽400～1 000 nm范围的高光谱图像数据,通过主成分分析法(PCA)获得主成分图像,确定特征波长;采用基于灰度直方图和灰度共生矩阵联合的统计方法从特征图像中提取纹理特征参数,应用人工神经网络建立油菜籽品种鉴别模型.结果表明,模型训练时品种判别率为93.75%,预测的判别率为91.67%.说明高光谱图像技术对油菜籽品种具有较好的分类和鉴别作用.     

基于高光谱成像技术的生菜叶片水分检测研究

[目的]探索利用高光谱图像技术检测作物含水率的方法。[方法]以意大利全年耐抽苔生菜为试材,利用高光谱成像系统采集生菜叶片的高光谱图像,用ENVI V.4和Matlab V.7.0软件对高光谱图像进行处理。[结果]采用自适应波段选择法从所采集的生菜叶片高光谱图像数据中优选出特征波长1 420 nm;对每个样本特征波长下的图像进行分割,反转以及形态运算等操作得到目标图像;从每个目标图像中提取灰度均值、灰度标准差作为灰度特征,能量、熵、惯性矩、相关性的均值和标准差作为纹理特征;采用GA-PLS法选出最优特征子集,并建立基于最优特征的偏最小二乘回归模型,以检测生菜叶片的含水率。[结论]模型的预测值与实测值的相关系数R为0.902,精度明显高于基于灰度特征或纹理特征的预测模型。     

基于热红外和RGB图像的番茄苗期高温胁迫检测方法

【目的】针对实际生产场景中番茄苗期生长遇到的高温胁迫问题，提出一种基于热红外和RGB图像的番茄苗期高温胁迫检测方法。【方法】首先，通过番茄苗期热红外图像反演获取番茄冠层温度参数，采用偏最小二乘(Partial least squares, PLS)模型提取冠层温度特征指标；然后，建立采用3种不同主干特征提取网络的MaskRCNN模型，通过迁移学习的方式将番茄苗期RGB图像输入Mask-RCNN模型，进行高温胁迫症状实例分割，得到番茄苗期胁迫症状特征指标；最后，利用提取的温度和胁迫症状特征指标构建分级数据集，输入高温胁迫分级模型，得到高温胁迫等级。【结果】基于PLS模型提取的冠层温度特征指标累计贡献率达95.45%；基于ResNet101+Mask-RCNN的高温胁迫症状分割网络对番茄苗期轻度和重度胁迫的分割精度最高，均值平均查准率(Mean average precision, mAP)分别为77.3%和73.8%；基于温度和胁迫症状特征指标构建的4种高温胁迫分级模型中，反向传播神经网络(Back propagation neural network, BPNN)获得最好的高温胁迫分级...     

基于NIR高光谱成像技术的番茄叶片叶绿素含量检测

利用近红外高光谱成像技术对番茄叶片叶绿素含量的无损检测进行初步探讨。通过高光谱成像系统(900～1 700 nm)采集了192个番茄叶片图像,基于偏最小二乘回归模型(PLSR)对光谱进行样本集划分,对原始光谱与Kubelka-Munk函数曲线及多种光谱预处理的偏最小二乘回归模型进行对比分析,优选出多元散射校正(MSC)为预处理方法。采用5种方法提取特征波长,并根据特征波长建立偏最小二乘回归、多元线性回归(MLR)、主成分回归(PCR)3种模型的叶片叶绿素含量预测模型。结果表明,建立无信息变量消除法(UVE)挑选特征波长的偏最小二乘回归模型最优,其预测集的相关系数(R_P)为0.8495,均方根误差(RMSEP)为4.3375。因此,利用近红外高光谱成像技术提取特征波长进行叶绿素含量检测是可行的,同时也为今后番茄品质在线检测提供了理论依据。     

海量医学图像数据三维可视化表面重建方法

目的为了提高海量医学图像的识别能力,需要进行海量医学图像数据三维可视化表面重建。提出基于谱分析的海量医学图像数据三维可视化表面重建方法。方法构建海量医学图像数据的采集模型,提取海量医学图像数据三维图谱特征量,采用边缘轮廓检测的方法进行海量医学图像数据三维可视化特征分解,建立海量医学图像数据的模糊相关性特征分布结构模型。根据海量医学图像的色彩特征分布进行医学图像的图谱特征分析,建立海量医学图像数据的三维结构重组模型,根据对海量医学图像的三维结构分布式重组进行动态滤波检测,提取海量医学图像的谱特征量,根据谱特征分布进行海量医学图像的多维重建,结合三维可视化特征分析的方法,实现对海量医学图像数据的可视化表面重建和优化识别。结果采用该方法进行海量医学图像数据三维可视化表面重建的特征分辨能力较好,对图像数据的细节结构特征识别能力较强。结论研究方法提高了对海量医学图像的检测识别能力。     

基于光谱与图像信息的杏鲍菇多糖含量检测

【目的】利用高光谱成像技术实现杏鲍菇Pleurotus eryngii多糖含量的快速无损检测。【方法】利用高光谱图像采集系统获取350～1 021 nm波长范围内的杏鲍菇高光谱图像,同时利用苯酚–硫酸法测定对应样本的多糖含量。通过波段运算和阈值分割构建掩膜图像,使样本与背景相分离。采用主成分分析(PCA)处理原始高光谱图像,获得代表原始图像99%信息的2个主成分图像(PC1、PC2),然后利用连续投影算法(SPA)选出554.4、772.8、811.4、819.1、855.6、986.3和1 019.5 nm 7个特征波长及对应的光谱特征,分别提取7个特征波长图像和2个主成分图像的纹理与颜色特征,最后利用偏最小二乘回归(PLSR)建立杏鲍菇样本基于不同图像特征与多糖含量之间的关系模型。【结果】从校正集决定系数(Rc2)来看,基于特征光谱+特征波长图像特征+主成分图像特征的模型效果最好,Rc2=0.954,RMSEc=0.341;从预测集决定系数Rp2来看,基于特征光谱+特征波长图像特征的模型效果最好,Rp2=0.868,RMSEP=0.539。【结论】该研究结果可为杏鲍菇多糖含量的快速、无损检测提供一定的参考。     

基于高光谱的水稻叶片氮素估测与反演模型

快速、无损、准确地监测水稻叶片氮素状况,对于诊断水稻生殖生长特征、提高氮肥运筹水平具有重要意义。利用无人飞行平台搭载高光谱成像系统获取水稻冠层高光谱数据,分析了试验点水稻分蘖期叶片氮素与冠层高光谱信息之间的关系。结果表明,水稻分蘖期叶片氮素含量与同期归一化差值植被指数(NDVI)之间有良好的相关性,可以建立水稻分蘖期叶片氮素含量反演的相关统计模型。     

氮素胁迫下寒地玉米高光谱特征研究

利用高光谱近地遥感技术,采集不同氮素水平下的不同生育期的寒地玉米冠层高光谱图像,采用ENVI软件提取玉米冠层的光谱反射率。结果表明,不同氮素水平下寒地玉米冠层反射率存在较大差异,玉米“红边”具有双峰现象,红边位置呈“红移”现象;根据玉米冠层高光谱反射率以及红边位置峰值可定性区分严重缺氮、正常施氮和过量施氮。     

基于高光谱成像技术的西瓜种子活力等级分类方法研究

为了探讨水果种子不同活力等级的判别方法,以西瓜种子为研究对象,建立基于偏最小二乘判别（PLS-DA）、极限学习机（ELM）的高光谱图谱信息种子活力判别模型。首先,提取光谱信息,建立西瓜种子活力等级的光谱定性分析模型,结果表明,特征变量筛选方法 UVE（无信息变量消除）结合建模方法PLS-DA得到的效果较好,分类正确率为100.00%,相关系数为0.86。其次,选取图像PC1权重系数,提取波长点为685、790、826、836、855 nm的特征图像,计算平均灰度值,建立基于图像特征的种子活力等级定性分析模型。结果表明,PLS-DA的误判率为6.67%,相关系数为0.85,优于ELM检测模型的误判率（10.00%）和相关系数（0.83）。高光谱成像技术的光谱和图像信息都能较好区分种子的活力等级,但基于光谱信息建立的判别模型优于基于图像特征建立的判别模型。     

加工番茄叶绿素密度与高光谱数据的相关分析

[目的]分析加工番茄高光谱数据与叶绿素密度的相关关系,为加工番茄生育期生长状况的实时、无损、快速的遥感监测提供理论依据.[方法]通过非成像ASD地物光谱仪获取加工番茄两个品种四个氮素水平冠层关键生育时期的反射光谱,与其相应的冠层叶绿素密度(CH.D)进行逐步回归相关分析.加工番茄冠层CH.D分别在其近红外反射光谱757 nm波段处和红光677 nm波段处的相关系数达最大值(rp757 -CH.D=0.7521**,rp677 -CH.D=-0.8437**,n=44,α=1;);采用这两个波段的反射率分别组成了归一化植被指数(NDVI)和比值植被指数(RVI),建立与加工番茄CH.D的5种线性和非线性的相关模型.[结果]NDⅥ和RVI所构建的加工番茄CH.D的双曲线函数模型的相关性和精度最高,再采用这两个植被指数的双曲线函数模型分别对加工番茄CH.D进行估算,它们的实测CH.D与估测CH.D的相关性均达到极显著检验水平(r实测CH.D-NDVI估测的CH.D -NDVI=0.8041**,r实测CH.D-RVI估测CH.D- RVI=0.8094**,n=44,α=1;),估算精度均为86.6;.[结论]利用高光谱植被指数可以精确提取加工番茄冠层叶绿素密度信息并对其进行遥感估算研究.     

基于无人机高光谱遥感的柑橘患病植株分类与特征波段提取

目的 结合传统与现代农业病虫害监测的优缺点,探索通过无人机高光谱遥感技术检测出患病的柑橘植株、通过人工田间调查方式判断其患病种类及患病程度的病虫害监测方法。方法 使用无人机获取原始高光谱图像,经过光谱预处理和特征工程后,采用连续投影算法提取对柑橘患病植株分类贡献值最大的特征波长组合,基于全波段使用BP神经网络和XgBoost算法、基于特征波段使用逻辑回归和支持向量机算法,建立分类模型。结果 基于全波段的BP神经网络和XgBoost算法的ROC曲线下面积(Area under curve,AUC)分别为0.883 0和0.912 0,分类准确率均超过95%;提取出698和762 nm的特征波长组合,基于特征波长使用逻辑回归和支持向量机算法建立的分类模型召回率分别达到了93.00%和96.00%。结论 基于特征波长建模在患病样本分类中表现出很高的准确率,证明了特征波长组合的有效性。本研究结果可为柑橘种植园的病虫害监测提供一定的数据和理论支撑。     

三维激光扫描系统在林业中的应用研究

该文介绍了三维激光扫描系统的组成、工作原理及仪器的性能指标、特点和操作方法.通过甘肃省小陇山林区实验,首次将三维激光扫描系统引入林业调查.通过三维激光扫描仪获取单株立木空间点云数据,利用软件建立了立木三维模型.从三维模型上可直接量测立木树高、胸径、冠幅和计算立木材积,利用获取的材积可进一步建立立木材积方程和编制立木材积表.通过与伐倒木实测数据对比,采用该系统获取的测树因子和立木材积均满足林业调查的精度要求.研究表明,采用三维激光扫描系统可实现对疏林单株立木的无损伤、高效、精准监测,可在森林资源调查中应用.     

基于机载激光扫描数据提取建筑物的研究现状

机载激光扫描系统是集成了GPS、惯性导航系统(INS)和扫描激光测距系统并利用飞机作为运行平台,来获取地面的三维位置,进而快速生成数字表面模型(DSM).随着机载扫描激光测距系统的不断完善和发展,获取城市DSM数据也变得越来越快速,而且方便和经济可靠,地面激光点的密度也大大提高.目前国外激光扫描系统的激光点密度一般都达到了1～20点/m2,因此利用机载激光扫描系统获取的城市DSM提取建筑物也渐渐受到重视.利用激光扫描数据提取建筑物可以分为两大类,第一类是单纯以获取的机载激光测距数据来提取建筑物,第二类是融合激光测距数据和其他相关信息的建筑物提取,如融合航空影像、融合IKONOS高分辨率卫星影像来提取建筑物.本文对国际上利用机载激光扫描测距数据进行建筑物提取的最新研究进展进行了一些分析,同时也给出了应用我国研制的机载激光扫描数据提取建筑物的试验研究和初步结果.     

基于冠层温度棉花水分胁迫指数与高光谱植被指数的关系

[目的]用红外热图像提取棉花水分胁迫指数(CWSI),并用高光谱遥感植被指数对棉花的CWSI进行遥感估算,为红外热图像和高光谱遥感监测作物水分状况提供科学依据.[方法]通过Fluke热像仪和ASD非成像高光谱仪,分别获取棉花2品种4水平水分处理5个关键生育时期冠层的红外热图像和高光谱数据;对红外热图像进行技术处理,基于Jones定义的作物水分胁迫指数CWSI公式,计算CWSI;与高光谱数据转换得到的4种高光谱植被指数进行回归分析.[结果]CWSI与4种高光谱植被指数均达到了1;极显著的线性相关关系;其中红边归一化植被指数RENDVI与CWSI呈最高的线性负相关关系,利用它们的相关模型方程,估算CWSI,实测值与估算值之间呈极显著的线性相关(r=0.8399**,n=30,α=l;).[结论]红外热图像与高光谱遥感技术的结合,可以精确地对棉花水分胁迫指数CWSI进行遥感估算,更好的诊断棉花水分状况.     

基于宽波段数据定量反演土壤有机质含量的研究

定量分析了北京顺义、通州区土壤高光谱反射特征,利用资源三号、高分一号、高分二号传感器的光谱响应函数,结合高光谱数据生成相应宽波段模拟数据;将土壤光谱数据、拟合宽波段数据分别与实测土壤有机质含量开展相关性分析,提取并筛选敏感波段,利用偏最小二乘法建立基于高光谱数据的土壤有机质含量预测模型;依据宽波段模拟数据和实测土壤有机质含量的相关性,提取并筛选敏感波段,建立土壤有机质含量预测模型。结果表明,在基于土壤高光谱数据建立的土壤有机质含量预测模型中,以对数的一阶微分为最优,其R和RMSE分别为0.697和0.195,偏最小二乘法得到的反演土壤有机质含量的模型是可靠的;在基于模拟宽波段构建的土壤有机质含量估测模型中,以高分一号的拟合精度最高,R和RMSE分别为0.334和0.240;受室外不可控因素的影响,模拟宽波段数据在估测北方地区土壤有机质含量方面仍需进一步研究。